共查询到10条相似文献,搜索用时 15 毫秒
1.
一种基于SOFM神经网络的高光谱图像快速分类方法 总被引:1,自引:0,他引:1
高光谱图像的快速准确分类是遥感图像处理的关键技术之一。本文提出了区域特征光谱(RFS)的概念,并采用空间邻域聚类方法提取区域特征光谱;提出了以区域特征光谱作为SOFM神经网络输入的RFS-SOFM高光谱图像快速分类方法,该方法通过区域特征光谱代替单个像元光谱实现神经网络运算量的降低和对图像噪声的抑制。对AVIRIS图像数据的仿真结果表明:RFS-SOFM分类精度高于SOFM神经网络和K-均值算法,计算量约为K-均值的163.6%,SOFM神经网络的5.9%. 相似文献
2.
3.
针对高光谱图像在训练样本较少时无法构建有效的深度学习分类模型的问题,对传统的残差块(residual block)模型进行改进,提出一种“金字塔”残差块分类算法。设计一种包含数十个卷积层的深度学习网络,与传统残差模型相比大大减少了参数量,且可以充分提取高光谱图像的深层空间-光谱特征;在2种开源数据集Indian Pines和University of Pavia上进行实验,同时选取了3种经典的分类方法作为对比。实验结果表明:该算法表现效果最佳,可以有效提高高光谱图像的分类精度。 相似文献
4.
5.
6.
各向异性扩散-中值滤波在红外图像处理中的应用 总被引:1,自引:0,他引:1
在低信噪比图像处理中.为了在图像去噪时更好地保留边缘。提出了一种各向异性扩散一中值滤波方法。这种方法包含两个步骤:首先。为了使滤波器在抑制噪声时具有鲁棒的边缘保持能力。该方法采用各向异性扩散滤波对图像进行处理。其中.各向异性扩散滤波中的扩散函数选用Tukey函数;然后。为了去除各向异性扩散滤波后图像中的脉冲噪声.采用中值滤波对图像做进一步的处理。从而使这种滤波方法在抑制噪声的同时使边缘模糊达到最小。从仿真结果可以看出,文中的方法具有良好的噪声抑制和边缘保持能力。 相似文献
7.
8.
9.
10.
基于特征点和区域生长的目标图像分割方法 总被引:2,自引:0,他引:2
成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。 相似文献